Bentuk-Bentuk Fungsional Model Regresi (Model Double Log dan Semi-Log)

Dalam bab-bab sebelumnya, model yang dipelajari merupakan model yang memiliki parameter
dan variabel yang berbentuk linear (garis lurus). Keuntungan menggunakan model linear adalah
modelnya sangat sederhana sehingga mudah untuk dianalisis. Meski demikian, terdapat
kelemahan dari model linear yaitu sulit untuk menginterpretasikan intersep yang terkadang tidak
sesuai dengan substansi permasalahan. Apabila tidak hati-hati dapat mengakibatkan interpretasi
tidak sesuai dengan kondisi sesungguhnya.
     Misalkan dapat diambil contoh dari aplikasi model regresi linear terdahulu yang membahas
hubungan antara pendapatan dan tabungan. Persamaan model regresi linear sederhana sebagai
berikut:

         ...........................................................................    (1)

Di mana:
            Y menyatakan tabungan masyarakat (Rp)
            X menyatakan pendapatan per kapita (Rp)

Model regresi linear di atas memiliki kelemahan mendasar dalam menginterpretasikan intercept
(β1). Dapatkah dinyatakan bahwa apabila pendapatan per kapita bernilai nol maka tabungan
masyarakat sebesar β1 rupiah? Tentu saja hal tersebut merupakan kondisi yang tidak normal atau
tidak sesuai dengan kondisi sesungguhnya. Pada kondisi normal, pendapatan tidak mungkin
bernilai nol dan secara rasional masyarakat tidak mungkin menabung dengan pendapatan sebesar
nilai nol. Dalam kasus tersebut, bukan berarti intercept tidak dapat diinterpretasikan. Intercept (β1)
tetap dapat diinterpretasikan dengan menyatakan bahwa jika pendapatan rendah maka capaian
tabungan masyarakat sekitar β1 rupiah.
Mencermati kelemahan yang dimiliki regresi linear maka pada bagian ini akan dipelajari bentuk-
bentuk fungsi model regresi yang diharapkan mampu menutupi kelemahan regresi linear. Pada
dasarnya, model fungsional yang akan dipelajari adalah model dengan parameter dan variabel
yang tidak linear dan sangat sulit untuk dianalisis namun, dengan teknik transformasi logaritma
kesulitan yang dihadapi biasanya dapat diatasi.
       Terdapat beberapa bentuk fungsional dalam model regresi namun pada bagian ini hanya akan
dijelaskan dua jenis bentuk-bentuk fungsional dari model regresi, yaitu:
            1. Model log-log (double log/elastisitas konstan)
            2. Model Semi-log, yang terdiri dari:
                a. Model log-lin
                b. Model lin-log                 

 1. Model Log-Log
      Model log-log atau sering juga disebut model double log atau model elastisitas konstan
merupakan salah satu hasil transformasi dari suatu model tidak linear menjadi model linear
dengan cara membuat model dalam bentuk logaritma. Untuk memudahkan pemahaman, akan
digunakan pendekatan empiris untuk menjabarkan proses transformasi sebagai berikut:
Menurut suatu teori ekonomi, hubungan antara kuantitas yang diminta dan harga suatu komoditas
mempunyai bentuk sebagai berikut:

        ........................................................................................     (2)

di mana:
            Y          = permintaan komoditas
            X          = harga komoditas
            β0, β1     = Parameter
            u           = error
Dari bentuk modelnya tampak bahwa model tersebut bukanlah merupakan model regresi linear.
Model tersebut merupakan model yang tidak linear baik variabel maupun paramaternya. Meski
demikian, dengan teknik transformasi bentuk model tidak linear pada persamaan (2) dapat
dimodifikasi sehingga parameternya berbentuk linear sehingga dapat diaplikasikan pada teori-
teori ekonomi. 
Dengan teknik transformasi logaritma terhadap bentuk model regresi pada persamaan (2) akan
menghasilkan model berikut:
    
      ................................................................       (3)
Terlihat bahwa model yang baru didefinisikan tersebut sesungguhnya merupakan model regresi
linear dengan variabel dan parameter yang berbentuk linear. Dengan demikian, β0 dan β1 dapat
ditaksir dengan metode yang sama untuk mengestimasi parameter regresi linear sederhana, yaitu
OLS (Ordinary Least Square).
Secara geometris, transformasi model yang semula variabel-nya tidak linear dapat digambarkan
sebagai berikut:
Model log-log memiliki keunggulan jika dibandingkan dengan model linear. Salah satu
keunggulan model tersebut terdapat pada koefisien slope β2 dalam model ln Y = β1 + β2 lnX. Sebab
nilai koefisien slope tersebut sesungguhnya merupakan ukuran elastisitas Y terhadap X, atau
dengan kata lain koefisien slope merupakan tingkat perubahan pada variabel Y (dalam persen)
bila terjadi perubahan pada variabel X (dalam persen). Untuk kasus di atas, di mana Y
menyatakan permintaan dan X menyatakan harga, maka β2 merupakan elastisitas harga dari
permintaan.
       Dalam model log-log koefisien elastisitas antara Y dan X selalu konstan. Artinya, jika ln X
berubah 1 unit, perubahan ln Y akan selalu sama meskipun elastisitas tersebut diukur pada ln X
yang mana saja. Oleh karena itu, model ini disebut juga model elastisitas konstan. Secara
matematis, sifat koefisien elastisitas, β2 yang konstan dapat dilihat sebagai berikut:
                                                ln Y = β1 + β2 lnX
Elastisitas didefinisikan sebagai:

                                                                
Artinya, bila X (harga) naik sebesar 1%, maka Y (komoditas yang diminta) akan turun sebanyak
β2% (β2 < 0). Dengan kalimat lain, bila harga komoditas naik sebesar 1%, maka permintaan
terhadap komoditas tersebut akan turun sebesar β2 %.
     Meski demikian, model log-log memiliki kelemahan di antaranya bahwa model log-log tidak
dapat dibentuk dari data yang mempunyai nilai nol atau minus. Karena ketika ditransformasi ke
bentuk logaritma, maka nilai nol atau minus akan menjadi tak terhingga. Mungkin pengolahan
dengan komputer tetap akan mengeluarkan hasil namun hasilnya tidak dapat
dipertanggungjawabkan kebenarannya.

(2) Model Semi-Log

          Prinsip model ini sama dengan log-log yaitu merupakan hasil transformasi dari model yang
tidak linear. Bedanya, kalau pada model log-log transformasi dilakukan terhadap semua data
variabel baik variabel terikat maupun variabel bebas sedangkan pada model semi-log, data yang
ditransformasi hanya salah satu dari variabel terikat (X) atau variabel bebas.
Model semi-log terdiri atas dua jenis model, yaitu:
1. Model log-lin, yaitu suatu model di mana variabel Y dalam bentuk logaritma sedangkan variabel
X berbentuk linear.Dengan demikian, persamaan dapat dituliskan sebagai  berikut:
      
          ............................................................................   (4)

    Persamaan (3) merupakan model dengan parameter linear sehingga estimasi dapat dilakukan
dengan OLS. Pada model ini, interpretasi koefisien slope β1 merupakan rasio antara perubahan
relatif variabel terikat (Y) terhadap perubahan absolut variabel bebas (X), yang dituliskan sebagai
berikut:

          ......................................................  (5)          

      Model log-lin biasanya sangat berguna dan bermanfaat bila variabel X menyatakan tahun atau
unit  waktu lain. Sementara itu, Y dapat menyatakan pengangguran, penduduk, keuntungan,
penjualan, GNP  dan sebagainya. Oleh karena itu, β2 merupakan suatu ukuran pertumbuhan
(growth rate) bila β1 > 0 atau merupakan suatu ukuran penyusutan (decay) bila β1 < 0. Oleh karena
itu, model ini disebut juga model       pertumbuhan.

2. Model lin-log, yaitu suatu model di mana variabel Y dalam bentuk linear sedangkan variabel X
berbentuk logaritma.